SO SÁNH CÁC TRÌNH TỰ SINH HỌC BẰNG BLAST VÀ CLUTALX pptx

1
n to
SO SÁNH CÁC TRÌNH TỰ SINH
HỌC BẰNG BLAST VÀ CLUTALX
Mục tiêu của bài học

Nắm được những nguyên tắc so sánh các trình tự
sinh học

Sử dụng chương trình BLAST giúp chúng ta
nhanh chóng tìm ra những trình tự sinh học tương
đồng (nếu có trong các CSDL lớn như NCBI,
EMBL, DDPJ…) với trình tự yêu cầu.

Cung cấp những số liệu về tỉ lệ tương đồng,
nguồn gốc các trình tự tương đồng,…
Tìm ki m trình t sinh h cế ự ọ
2
Bắt cặp trình tự

Sắp xếp thẳng hàng trình tự là phương pháp sắp
xếp hai hoặc nhiều trình tự nhằm đạt được sự giống
nhau tối đa.

Các trình tự này có thể được xen bằng các
khoảng trống (thường được diễn tả bằng các gạch nối
ngang) tại các vị trí có thể để làm sao tạo thành các
cột giống nhau (identical) hoặc tương tự nhau
(similar).
tcctctgcctctgccatcat caaccccaaagt
|||| ||| ||||| ||||| ||||||||||||

tcctgtgcatctgcaatcatgggcaaccccaaagt
Gi i thi u môn h cớ ệ ọ
3

Phương pháp này thường được dùng để nghiên cứu
sự tiến hóa của các trình tự từ một tổ tiên chung, đặc
biệt là các trình tự sinh học như trình tự protein hoặc
trình tự DNA.

Các bắt cặp không đúng trong trình tự tương ứng với
các đột biến và các khoảng trống tương ứng với phần
thêm vào hoặc xóa đi.

Thuật ngữ "sắp xếp thẳng hàng trình tự" cũng chỉ quá
trình tạo ra sự sắp xếp này hay tìm ra các cách sắp
xếp tốt nhất trong cơ sở dữ liệu gồm các trình tự riêng
biệt.
Gi i thi u môn h cớ ệ ọ
4
Sắp gióng cột đôi một (Pairwise alignment)

Sắp gióng cột đôi một là phương pháp phục vụ cho
việc tìm kiếm một trình tự sắp gióng cột toàn bộ hay
(cục bộ) mà trùng khớp nhất của các chuỗi protein (
amino acid) hay DNA (nucleic acid).

Thông thường, mục đích của nó là tìm ra (mối quan
hệ) đồng đẳng của một gene hay một sản phẩm-gen
trong một cơ sở dữ liệu các thông tin mẫu đã có sẵn.
Thông tin này là hữu ích để trả lời một loạt các câu hỏi

sinh học khác nhau.
Gi i thi u môn h cớ ệ ọ
5
Ứng dụng

Một vài ví dụ về những câu hỏi mà các nhà nghiên
cứu dùng BLAST để tìm câu trả lời.

Chủng loại vi khuẩn nào có các protein có liên hệ về
giống loài với một loại protein khác mà có
chuỗi amino-acid mà ta đã biết không?.

Chuỗi DNA mà ta vừa sắp xếp có nguồn gốc từ đâu?

Có gen nào khác dùng để mã hóa các protein có cấu
trúc hay dáng dấp gần với cái mà ta vừa xác định
không?.

BLAST còn được dùng kết hợp với các giải thuật khác
có đòi hỏi sự so trùng chuỗi gần đúng.
Gi i thi u môn h cớ ệ ọ
6
Blast

BLAST là một giải thuật để so sánh các chuỗi sinh
học, như các chuỗi của các protein hay của các chuỗi
DNA khác nhau.

Chúng ta dùng blast khi câu hỏi đặt ra “liệu có trình tự
nào trong ngân hàng dữ liệu giống hoặc gần giống với

trình tự của bạn không”?.
Gi i thi u môn h cớ ệ ọ
7
Nguyên tắc trong blast
Thuật toán của BLAST có 2 phần, một phần tìm kiếm
và một phần đánh giá thống kê dựa trên kết quả tìm
được.
Gi i thi u môn h cớ ệ ọ
8
Thu thập và lựa
chọn trình tự
(protein hay
DNA, RNA)
Blast
Phân tích kết
quả blast
Thuật toán blast

Thuật toán của BLAST có 2 phần, một phần tìm kiếm
và một phần đánh giá thống kê dựa trên kết quả tìm
được.

Trong phần đánh giá thống kê, BLAST dựa trên cơ sở
đánh giá của một cặp trình tự để tính ra một giá trị gọi
là [Bit-Score]. Giá trị càng cao chứng tỏ khả năng
tương tự của các bắt cặp càng cao.

Ngoài ra BLAST tính toán một giá trị trông đợi E-Score
(Expect-Score) phụ thuộc vào Bit-Score.
Gi i thi u môn h cớ ệ ọ

9
Giá trị xác xuất trong blast
Gi i thi u môn h cớ ệ ọ
10
Các bước tìm kiếm trong blast
Gi i thi u môn h cớ ệ ọ
11
Minimum
Score (S)
Neighborhood
Score Threshold (T)
Bước 1: BLAST tìm kiếm các
chuỗi con ngắn với chiều dài cố
định W có tính tương tự cao
Những chuỗi con nào có số điểm lớn hơn một
giá trị ngưỡng T (threshold value) thì được
gọi là tìm thấy và được BLAST gọi là Hits
Bước 2: BLAST tiếp tục tìm kiếp
những cặp Hits tiếp theo dựa
trên cơ sở những Hit đã tìm
được trong bước 1
Mở rộng so sánh các trình tự

Bước 3: Cuối cùng BLAST mở rộng những cặp Hits
đã tìm được theo cả hai chiều và đồng thời đánh số
điểm.

Quá trình mở rộng kết thúc khi điểm của các cặp Hits
không thể mở rộng thêm nữa.
Gi i thi u môn h cớ ệ ọ

12
KENFDKARFSGTWYAMAKKDPEG 50 RBP (query)
MKGLDIQKVAGTWYSLAMAASD. 44 lactoglobulin (hit)
Hit!
Mở rộngMở rộng
Những chuỗi con nucleotide trong blast
Gi i thi u môn h cớ ệ ọ
13
Những chuỗi con này được đánh giá cho điểm dựa trên ma trận thay
thế (Substitutionsmatrix) BLOSUM hoặc PAM.
Protein words
Gi i thi u môn h cớ ệ ọ
14
Những chuỗi con này được đánh giá cho điểm dựa trên ma trận thay
thế (Substitutionsmatrix) BLOSUM hoặc PAM.
Cách tính điểm
Phương pháp chung:

Terminal mismatches (0)

Bắt cặp nhau score (1)

Mismatch penalty (-3)

Gap penalty (-1)

Gap extension penalty (-1)
DNA Defaults
Cách tính điểm số DNA
GGGGGGAGAA

|||||*|*|| 8(1)+2(-3)=
2
2
GGGGGAAAAAGGGGG
GGGGGGAGAA GGG
|||||*|*|| ||| 11(1)+2(-3)+1(-1)+1(-1)=
3
3
GGGGGAAAAAGGGGG
So sánh các đặc tính di truyền của các loài
Bò và Cá (DNA)
32 .ACAGGACATTTTACTACTCTGCAGATAATGGCTGACTTTGACATGGTAC 80
| | | | | | || | | || | | |||| |
51 TTCTTCAGACTGCGCCATGGGGCTCAGCGACGGGGAATGGCAGTTGGTGC 100
. . . . .
81 TGAAGTGCTGGGGTCCAATGGAGGCGGACCACGCAACCCACGGGAGTCTG 130
|||| |||||| ||||||| || |||| ||| ||| |
101 TGAATGCCTGGGGGAAGGTGGAGGCTGATGTCGCAGGCCATGGGCAGGAG 150
. . . . .
131 GTGCTGACCCGTTTATTCACAGAGCACCCAGAAACCCTAAAGTTATTCCC 180
|| || | | | | ||||||| || || || ||||| || |||
151 GTCCTCATCAGGCTCTTCACAGGTCATCCCGAGACCCTGGAGAAATTTGA 200
. . . . .
181 CAAGTTTGCTGGC ATCGCCCATGGGGACCTGGCCGGGGATGCAGGTG 227
|||||| | | | | | || || | | |
201 CAAGTTCAAGCACCTGAAGACAGAGGCTGAGATGAAGGCCTCCGAGGACC 250
48% similarity
Bò và Heo
1 CAGCTGTCGGAGACAGACACCCAGTCAGTCCCGCCCTTGTTCTTTTTCTC 50
| ||| ||| || | ||||| |||| ||| ||||||

1 CAGAGCCAGGACACCCAGTACGCCCGCACTTGCTCTGTTTCTC 43
. . . . .
51 TTCTTCAGACTGCGCCATGGGGCTCAGCGACGGGGAATGGCAGTTGGTGC 100
|||| ||||||| |||||||||||||||||||||||||||||| ||||||
44 TTCTGCAGACTGTGCCATGGGGCTCAGCGACGGGGAATGGCAGCTGGTGC 93
. . . . .
101 TGAATGCCTGGGGGAAGGTGGAGGCTGATGTCGCAGGCCATGGGCAGGAG 150
|||| | |||||||||||||||||||||||||||||||||||||||||||
94 TGAACGTCTGGGGGAAGGTGGAGGCTGATGTCGCAGGCCATGGGCAGGAG 143
. . . . .
151 GTCCTCATCAGGCTCTTCACAGGTCATCCCGAGACCCTGGAGAAATTTGA 200
||||||||||||||||| | ||||| |||||||||||||||||||||||
144 GTCCTCATCAGGCTCTTTAAGGGTCACCCCGAGACCCTGGAGAAATTTGA 193
. . . . .
201 CAAGTTCAAGCACCTGAAGACAGAGGCTGAGATGAAGGCCTCCGAGGACC 250
|||||| |||||||||||| |||||| ||||||||||||||| |||||||
194 CAAGTTTAAGCACCTGAAGTCAGAGGATGAGATGAAGGCCTCTGAGGACC 243
80% giống nhau (88% at aa!)
20
Các biến thể của blast
Program query Database
1
blastn DNA DNA
1
blastp protein protein
6
blastx DNA protein
Blastn
Gi i thi u môn h cớ ệ ọ
21


Megablast

Discontiguous megablast



So sánh trình tự Nhập vào với trình tự cơ sở dữ liệu
Gi i thi u môn h cớ ệ ọ
22
Gi i thi u môn h cớ ệ ọ
23
Megablast
Large numbers of query sequences (megablast):
Khi so sánh một số lượng lớn các chuỗi đầu vào qua chỉ một BLAST
dạng dòng lệnh, "megablast" là nhanh hơn rất nhiều so với chạy
BLAST nhiều lần.
Protein-protein BLAST
Chương trình này, khi đưa vào một protein truy vấn,
sẽ trả về các chuỗi protein gần giống nhất từ cơ sở
dữ liệu protein mà người dùng chỉ định.

Blastp

PSI-blast

PHI-blast
Gi i thi u môn h cớ ệ ọ
24

Kết quả
Gi i thi u môn h cớ ệ ọ
25
PSI-Blast
PHI-Blast